林志玲“獻聲”高德 女神語音包是怎麼錄制的？【3】

看得出，隻有幾頁紙，包含一些導航以外的語音信息，如節日出行提醒等。這應當就是比默認語音數據量大的原因。

因此，他推測志玲的語音分為兩部分：導航語音部分應該採用通用的、很完善波型合成技術，將元音、輔音及音調等採樣，通過算法實現文語轉換﹔這一部分要錄入的內容很少，很可能是含有個人語音特征的一些基礎發音。

而比較人性化的特殊提醒，時間總長在5分鐘到20分鐘左右，依照一般語速計，錄制內容最多不會超過5000字，視頻中錄音稿隻有幾頁紙，可以佐証這一點。

網友“傅裡葉變黃油貓”進一步解釋稱，對於地名等有無數種變化的語音，使用TTS（Text to Speech，文本轉語音）技術，應用很廣泛，例如撥打10086使用自助語音應答，查詢話費時，系統就會用TTS把余額報給你。Siri說話也是TTS。

漢語TTS實現比較簡單，因為漢語拼音的讀音非常有限，21個聲母、37韻母、5個聲調組合成不超過3000個讀音，全部錄一次，播語音時把每個字的讀音串起來就可以了。

不過光是簡單的字音組合會讓TTS效果聽起來很生硬，例如Google翻譯的試聽功能。為了讓TTS效果更自然，需要用算法控制語速、處理多音字的問題，這是TTS技術含量最高的地方。目前漢語的TTS技術已經很成熟，聽起來很自然，多音字准確率也相當高。

“黃恪”對比了不同的地圖應用，稱：“天氣通跟高德不同。天氣通的做法是錄制語音片段，高德用的是合作方的技術，做法是數字化聲音特征之后進行語音合成。所以高德的語音方案要比天氣通語音包小而且靈活，但是制作成本也高得多。高德當時是找專人，跟了志玲姐姐幾個月，貼身錄音，然后把原始聲音文件處理提取出數字特征。天氣通的名人語音基本上是名人幾分鐘錄出來的。墨跡天氣跟高德，基本原理一樣，但是沒有高德那麼土豪，所以沒有名人語音。”

(責編：牛寧)